摘要

本文基于广义动态因子模型(GDFM)识别全球股市波动率的共同因子与异质性因子,刻画波动率共同因子与异质性因子的脉冲响应曲线与风险贡献变动,运用长期方差分解网络(LVDN)方法构建全球股市异质性风险传染网络,测度极端事件期间全球股市的异质性风险传染效应,追溯风险传染的源头。结果表明:全球股市波动率共同因子与异质性因子走势间呈现出“协同效应”,在极端事件期间,发达经济体股市波动率异质性因子迅速攀升。在标准冲击下,全球股市波动率共同因子震荡周期约为7天,说明共同风险对于各经济体股市的作用机制以短期冲击效应为主。然而,全球股市波动率异质性因子脉冲响应曲线具有响应程度低与收敛速度慢的特性,在极端事件冲击下,全球股市长期因果网络节点分布具备“高度聚类”属性,在剔除过度识别因素后,运用阈值约束方法求解全球股市异质性风险波动溢出净值发现,美国股市仍然是全球股市异质性风险的主要输出方。

全文